阿里国际数字商业集团面试题更新 2026-08-05
PPO中Critic和Reward的意义是什么？二者的Loss分别如何计算？
阿里国际数字商业集团人工智能互联网/IT编码实现技术原理
考察说明
考察对PPO算法中价值网络与奖励信号的理解及Loss计算细节
回答思路
- 能区分Critic（价值网络）与Reward（环境奖励）的角色差异
- 解释Critic用于估计状态价值、降低方差，Reward提供优化信号
- 准确描述Critic的MSE Loss与策略的PPO Clip Loss计算
- 能说明二者在广义优势估计（GAE）中的关系
本题附完整参考答案与评分标准
登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。
